Forecasting financial distress in brazilian healthcare cooperatives: aregularized Logit approach

Abstract

El sector de la Salud Suplementaria de Brasil incluye una presencia significativa de cooperativas de salud, que representan aproximadamente el 38% del mercado. Estas cooperativas enfrentan desafíos financieros únicos derivados de su complejidad regulatoria, naturaleza mutualista y el conflicto entre los principios cooperativos y las presiones competitivas por la eficiencia económica. A pesar de su importancia, la literatura sobre la predicción de insolvencia para cooperativas es escasa y se basa en gran medida en modelos diseñados para empresas convencionales. Para llenar esta brecha, este artículo utiliza una base de datos de la Agencia Nacional de Salud Suplementaria (ANS) y el Sistema de la Organización de Cooperativas Brasileñas (Sistema OCB) y emplea una regresión logística con regularización Lasso para pronosticar la dificultad financiera en cooperativas de salud. Este enfoque promueve simultáneamente la selección de variables y la regularización del modelo, manteniendo al mismo tiempo su interpretabilidad. El rendimiento general de la clasificación es robusto, con una precisión del 94% y una especificidad del 95%, minimizando con éxito los falsos negativos. Desde el punto de vista académico, la aplicación de la regularización Lasso en este contexto es una contribución metodológica significativa, que llena un vacío en la literatura al integrar estadísticas avanzadas con los desafíos únicos de la gestión de cooperativas de salud. En la práctica, el modelo sirve como un sistema de alerta temprana para gerentes y reguladores, guiando estrategias financieras y prácticas de gestión de riesgos para mejorar la sostenibilidad a largo plazo de estas entidades dentro del sistema de atención médica brasileñoABSTRACT: Brazil's Supplemental Health sector includes a significant presence of health cooperatives, which account for approximately 38% of the market. These cooperatives face unique financial challenges from their regulatory complexity, mutualistic nature, and theconflict between cooperative principles and competitive pressures for economic efficiency. Despite their importance, the literature on insolvency prediction for cooperatives is scarce, largely relying on models designed for conventional firms. To fill this gap, this paper makes use of a comprehensive database from the National Supplemental Health Agency (ANS) and the Brazilian Cooperative Organization System (Sistema OCB) and employs a logistic regression with Lasso regularization to forecast financial distress in healthcare cooperatives. This approach simultaneously promotes variable selection and model regularization, while maintaining its interpretability. Overall classification performance is robust, with an accuracy of 94% and a specificity of 95%, successfully minimizing false negatives. Academically, applying Lasso regularization in this context is a significant methodological contribution, filling a literature gap by integrating advanced statistics with the unique challenges of health cooperative management. Practically, the model serves as an early warning system for managers and regulators, guiding financial strategies and risk management practices to enhance the long-term sustainability of these entities within the Brazilian healthcare system.Keywords.Bankruptcy, forecast, cooperative, social enterprise, logistic regression, machine learning